使用python-pptx区分PPT中矢量图与位图并为位图添加红框的问题

问题根因 #

矢量图被误判为PNG的核心原因是：Office插入SVG、AI等外部矢量格式时，会自动生成一张PNG格式的预览位图和矢量源数据共同存储在PPTX文件包中，python-pptx默认读取到的是预览图的content_type，因此会出现误判。

修复方案 #

分两步实现精准过滤：

1. 先直接过滤所有明确的矢量格式图片
2. 对剩余的图片，检查元素中是否附带矢量数据节点，过滤掉矢量图的预览占位图

修复后的代码 #

from pptx import Presentation
from pptx.dml.color import RGBColor
from pptx.util import Pt

prs = Presentation("test.pptx")

# 定义矢量格式白名单，直接过滤
VECTOR_CONTENT_TYPES = {"image/x-wmf", "image/x-emf", "image/svg+xml", "image/x-emz", "image/x-wmz"}

for slide_id, slide in enumerate(prs.slides):
    for shape in slide.shapes:
        # 非图片类型直接跳过
        if shape.shape_type != 13:
            continue
        content_type = shape.image.content_type
        # 过滤明确的矢量格式
        if content_type in VECTOR_CONTENT_TYPES:
            continue
        # 检查是否存在矢量数据扩展节点，过滤矢量图的PNG预览
        has_vector_data = len(shape._element.xpath(".//*[local-name()='svgBlip' or local-name()='vectorData']")) > 0
        if has_vector_data:
            continue
        # 剩余为真实位图，添加红框
        if content_type in ("image/png", "image/jpeg", "image/jpg"):
            line = shape.line
            line.color.rgb = RGBColor(255, 0, 0)
            line.width = Pt(3.0)

prs.save("out.pptx")

补充说明 #

如果仍存在个别漏判的情况，可额外补充以下判断逻辑：

• 增加图片分辨率校验：大部分矢量预览图的分辨率是固定的，可通过shape.image.size过滤符合预览尺寸的图片
• 读取图片字节流的头信息，二次校验文件格式真实性

内容的提问来源于stack exchange，提问作者malfroid